v0.1.0 · 协议草案 + 参考实现 + 两个方言

本象协议的第一个正式版本。一源万影：保存本象，按需投影。

这是什么

一套面向 AI 的持久对象表示层。AI 不交付终态，只提交语义事务（改什么、依赖什么、断言什么），由确定性编译器校验、落地、留证。

实测结果（长篇叙事的状态追踪）

模型 · 基线	本象	裸模型	向量 RAG
qwen-plus · 2 万字（各 10 轮）	92.5%	75.0%（sd 0）	75.0%（sd 0）
qwen-plus · 9.5 万字（各 11 轮）	98.9%	75.0%（sd 0）	75.0%（sd 0）

两条对照臂在三十三轮里全部 75.0%、标准差 0——不是「平均差一点」，是卡在同一堵墙上一步没动，每轮错同样两个字段。基线从 2 万字拉到 9.5 万字，本象的优势不降反升。

向量 RAG 恰恰是应该在长上下文里更有用的技术，结果纹丝不动：检索能找回文本，找不回「关键物品此刻在谁手上」——那个答案不在任何一段原文里，只存在于事件回放的结果中。

全部原始结果已入库，每份带规格指纹与判分器指纹，可第三方复核。

能跑什么

npm run verify   # 自测 81 + CAD 35 + MCP 端到端 18 + 变异检查 13/13

零依赖、无构建步骤。mutation-check 是其中最关键的一环：它故意打坏每一条协议承诺，看自测抓不抓得到——抓不到的地方就是那条承诺其实没人守。

• origin CLI —— status / why / diagnose / commit。commit 校验不过则一个字节都不写；通过则只追加事件，绝不覆写出生记录，所以任何字段都能回答「凭什么是这个值」
• CAD 方言 —— DXF 导入 + 制图规范校验，自动抓出「图元留在 0 层」「编号重复」「画了 4 樘窗只标 3 个」
• Memory 方言 —— MCP Server，把项目世界状态持久化，新会话一次调用即恢复

约束是数据，不是代码

十个通用谓词（equals / not_equals / contains / not_contains / range / in / exists / unique / count / unchanged）。「主角不得知道这个秘密」和「营收字段不得为负」在协议层是同一件事。

其中 count 的 equals_count_of 是「同一件事在两处表述、必须对得上」的通用形状——门窗表 5 樘 vs 平面图 4 樘、目录条数 vs 章节数、计划条目 vs 待办数，同一个谓词三个域。

我们不主张什么

• 不主张「写得更一致」：正文一致性与 RAG 无显著差异（p=0.9905 / p=0.3361）
• 不主张「更省 Token」：更贵——qwen 上 25%，带长思维链的模型上 149%
• 跨模型尚未成立：第二个模型的对照臂已到 n=10/n=7，本象臂仍在跑
• 没有生产级适配器，没有真实用户

实验记录里完整写着一天之内七次被自己的实验骗到：六起是实验装置在说谎（并发覆盖、规格漂移、语料泄漏、判分器无指纹、结果被同名覆盖、答案集拿错），每起都自己查出来并补了护栏；第七起没有任何装置故障，是我把一个 n=1 的漂亮结果当成了结论，在发布当天从首页撤下。

对一个基准而言，仪器的诚实度就是全部资产。

---

Apache-2.0 · 宣言 · 参与复现 · English